1 / 113

Б айкал 23 августа 2011

Б айкал 23 августа 2011. Б айкал 23 августа 2011. Б айкал 23 августа 2011. Б айкал 23 августа 2011. Анализ данных. Б айкал 23 августа 2011. Анализ символьных последовательностей от биоинформатики до лингвистики. ЦЕЛИ Знакомство с биоинформатикой

hart
Download Presentation

Б айкал 23 августа 2011

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Байкал 23 августа 2011

  2. Байкал 23 августа 2011

  3. Байкал 23 августа 2011

  4. Байкал 23 августа 2011

  5. Анализ данных Байкал 23 августа 2011

  6. Анализ символьных последовательностейот биоинформатики до лингвистики ЦЕЛИ • Знакомство с биоинформатикой (анализ данных в биоинформатике) • Математические этюды М.А. Ройтберг Байкал 23 августа 2011

  7. Проблематика(молекулярная биология) • Медицинские приложения (разработка лекарств, медицинская генетика, персональная медицина) • Исследования механизмов функционирования клетки (и надклеточных структур): молекулярная биология, биофизики, биохимия… • Теория эволюции, систематика, филогения

  8. ДНК: 2 нити; L ~ 105 – 109нуклеотиды (4)

  9. РНК: 1 нить; L ~ 102– 103нуклеотиды (4) An Example: t-RNA From Paul Higgs

  10. Белки: 1 нить; L ~ 102– 103аминокислоты (20) PDB ID: 2act E.N. Baker, E.J. Dodson (1980): The structure of actinidin at 1.7 Ångstroms

  11. …Gly + Ala… = …GA…

  12. Данные: последовательности Не только последовательности 1. Пространственные структуры - сравнение, анализ (пример: «докинг») 2. Генные сети 3. «Секвенирование» 4. «Экспрессия генов» 14

  13. Основные задачи анализа последовательностей • 1. Сравнение • - сопоставление в целом (в т.ч. - множественное); определение количественной меры сходства последовательностей в целом; • поиск общих мотивов; поиск в базах данных; • 2. Аннотация (описание) • поиск и выделение функционально значимых участков (заданных «паттернов»); • разбиение последовательности на «однородные» участки; • определение статистической значимости результатов сравнения и поиска. • 3. Структуры • - предсказание; сравнение (обогащенные последовательности) 15

  14. ИСТОРИЯ и ДЛИНЫ • tRNA - (1964) - 75 bases (old, slow, complicated method) • First complete DNA genome: X174 DNA (1977) - 5386bases • human mitochondrial DNA (1981) - 16,569 bases • tobacco chloroplast DNA (1986) - 155,844 bases • First complete bacterial genome (H. Influenzae)(1995) - 1.9 x 10^6 bases • Yeast genome (eukaryote at ~ 1.5 x 10^7) completed in 1996 • Several archaebacteria • E. coli -- 4 x 10^6 bases [1998] • Several pathogenic bacterial genomes sequenced • Helicobacter pyloris, Treponema pallidium, Borrelia burgdorferi, Chlamydia trachomatis, Rickettsia prowazekii, Mycobacterium tuberculosis • Nematode C. elegans ( ~ 4 x 10^8) - December 1998 • Human genome (rough draft completed 2000) - 3 x 10^9 base • 2010 – rat, mouse, pig, fugu, etc, full genomes50 x10^9 • ~2015 – individual human genomes (“$1000 per genome”)

  15. План доклада • Выравнивания. • Динамическое программирование, графы и алгебра • Поиск локальных сходств, затравки • Структуры РНК • Гиперграфы и контекстно-свободные грамматики • Конечные автоматы и вероятности • Разные примеры

  16. Тема 1. Выравнивание

  17. Варианты выравниваний Выровнять две символьные последовательности – удалить из них несколько фрагментов так, чтобы оставшиеся последовательности имели одинаковую длину. --ПОДБЕРЕЗОВИКПОДБЕРЕЗОВИК-- ПРЕДОСИНОВИЧКИПРЕДОСИНОВИЧКИ ПО-ДБЕРЕЗОВИК--П-ОДБЕРЕЗОВИК-- ПРЕДОСИН-ОВИЧКИПРЕД-ОСИНОВИЧКИ ПО-ДБЕРЕЗОВИ-К- ПРЕД-ОСИНОВИЧКИ 19

  18. Какой вариант выбрать? А) Б) --ПОДБЕРЕЗОВИКПОДБЕРЕЗОВИК--ПРЕДОСИНОВИЧКИПРЕДОСИНОВИЧКИ В) Г) Д) ПО-ДБЕРЕЗОВИК--П-ОДБЕРЕЗОВИК-- ПО-ДБЕРЕЗОВИ-К- ПРЕДОСИН-ОВИЧКИПРЕД-ОСИНОВИЧКИ ПРЕД-ОСИНОВИЧКИ Предполагается: последовательности были получены редактированием» («эволюцией») из общего предка. Требуется: установить соответствующие друг другу участки 20

  19. Какой вариант выбрать?Нужно «знать» что-нибудь про эволюцию А) Б) --ПОДБЕРЕЗОВИКПОДБЕРЕЗОВИК--ПРЕДОСИНОВИЧКИПРЕДОСИНОВИЧКИ В) Г) Д) ПО-ДБЕРЕЗОВИК--П-ОДБЕРЕЗОВИК-- ПО-ДБЕРЕЗОВИ-К- ПРЕДОСИН-ОВИЧКИПРЕД-ОСИНОВИЧКИ ПРЕД-ОСИНОВИЧКИ Предположим: Две одинаковые буквы скорее имеют общего предка, чем две разные буквы Две буквы «одинаковой гласности» скорее имеют общего предка, чем две буквы «разные гласности» 21

  20. Две одинаковые буквы скорее имеют общего предка, чем две разные буквы Две буквы «одинаковой гласности» скорее имеют общего предка, чем две буквы «разные гласности» А) Б) --ПОДБЕРЕЗОВИКПОДБЕРЕЗОВИК--ПРЕДОСИНОВИЧКИПРЕДОСИНОВИЧКИ В) Г) Д) ПО-ДБЕРЕЗОВИК--П-ОДБЕРЕЗОВИК-- ПО-ДБЕРЕЗОВИ-К- ПРЕДОСИН-ОВИЧКИПРЕД-ОСИНОВИЧКИ ПРЕД-ОСИНОВИЧКИ Г) лучше, чемВ); Б) [немного] лучшеА) ??? Верно ли, что Г ) лучше, чемБ ) 22

  21. Две одинаковые буквы скорее имеют общего предка, чем две разные буквы Две буквы «одинаковой гласности» скорее имеют общего предка, чем две буквы «разные гласности» А) Б) --ПОДБЕРЕЗОВИКПОДБЕРЕЗОВИК--ПРЕДОСИНОВИЧКИПРЕДОСИНОВИЧКИ В) Г) Д) ПО-ДБЕРЕЗОВИК--П-ОДБЕРЕЗОВИК-- ПО-ДБЕРЕЗОВИ-К- ПРЕДОСИН-ОВИЧКИПРЕД-ОСИНОВИЧКИ ПРЕД-ОСИНОВИЧКИ ??? Верно ли, что Г ) лучше, чемБ ) === НЕИЗВЕСТНО. Мы ничего не предположили о механизме удалений/вставок (насколько они вероятны по сравнению с заменами) 23

  22. Весвыравнивания A T – V V I — - T G S G S M V L L E F S G T 0+2 +3+2+3 +2+7+2= 21 -1 -2 = -3 Score = S m(i,j)-GapPen = 21- 3 =18 Матрица весов замен m(a, b) Штраф за удаление символаδ= -1 GapPen – сумма щтрафов за удаления 24

  23. Весвыравнивания A T – V V I — - T G S G S M V L L E F S G T 0+2 +3+2+3 +2+7+2= 21 -1 -2 = -3 Штраф за удаление символа: δ=-1 Матрица весов замен: m(a,b) Score = S m(i,j)-GapPen = 21- 3 =18 GapPen – сумма штрафов за удаления. Score -> MAXIMUM

  24. Штраф за делецию f(L) Время работы ~L4 ~L3 ~L2 - произвольнаяфункция – выпуклая функция ********************************* – линейная f(L) = a + bL (Смит-Уотерман) – линейная f(L) = kL - нулевая f(L) = 0 ~L2 ~<L2 (зависит от п-стей)

  25. Эталонные выравнивания

  26. Структурное и алгоритмическое выравнивания Str)40 сопоставлений lkCnqli...PPFWKTCPKGKNLCYKmtmraapmvPVKRGCidv riCfnhqssqPQTTKTCSPGESSCYHkqwsdfrgtIIERGCg.. * **************** ****** 1 16 6 AlgSW) 1 16 6 * **************** ****** lk..C...nqliPPFWKTCPKGKNLCYK...mtmraapmvPVKRGCidv ..riCfnhqssqPQTTKTCSPGESSCYHkqwsdfrgt...IIERGC..g 35 сопоставлений

  27. S = 40 I = 23 A= 35 ТочностьAcc = I/S=23/40=0.58ДостоверностьConf = I/A= 23/35=0.66 Str) lkCnqli...PPFWKTCPKGKNLCYKmtmraapmvPVKRGCidv riCfnhqssqPQTTKTCSPGESSCYHkqwsdfrgtIIERGCg.. * **************** ****** 1 16 6 AlgSW) 1 16 6 * **************** ****** lk..C...nqliPPFWKTCPKGKNLCYK...mtmraapmvPVKRGCidv ..riCfnhqssqPQTTKTCSPGESSCYHkqwsdfrgt...IIERGC..g

  28. %ID SW точность (acc) < 0,1 0,037 0,1-0,3 0,306 0,3-0,4 0,818 >0,4 0,893 Алгоритм Смита-Уотермана (SW) не можетвосстановить структурное выр-ние при ID< 0.3

  29. Проблемы: 1. Белки( алгоритм Смита-Уотермана): - не работает при слабом сходстве; причина этого не известна; - нет обоснования для штрафов за делеции 2. ДНК (геномы) - недостаток быстродействия - нет эталонных выравниваний

  30. Проблемы 3. Классы штрафных функций: - расширить классы штрафных функций делеций, для которых существуют алгоритмы данной сложности 4* Алгоритмы: анализ общих основ, выяснение границ применимости

  31. 1. Причины плохого качества выравниваний SW Острова – безделеционные фрагменты выравниваний.Вес острова – сумма весов сопоставлений Str) lkCnqli...PPFWKTCPKGKNLCYKmtmraapmvPVKRGCidv riCfnhqssqPQTTKTCSPGESSCYHkqwsdfrgtIIERGCg.. ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ Остров1 Остров 2

  32. 1. Причины плохого качества выравниваний SW % островов SW выравнивания структурныевыравнивания Island score

  33. Тема 1. Динамическое программирование

  34. Рекурсия для глобального выравнивания (δ(L)=kL) • v, w - слова; a, b – буквы • S(v, w) – вес оптимального выравнивания v, w. • S(va, wb) = max{ S(v, w) + m(a,b), // сопоставление последних букв S(v, wb) – k; // удаление посл. буквы в 1-м слове S(va, w) - k // удаление посл. буквы в 2-м слове }

  35. Ориентированный ациклический граф с весами на ребрах 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D Ребра направлены и снабжены весами. Вершина Путь: ABCE W(ABCE) = = 3+11+ 3 = 17 Нет циклов Ребро Источник: A; Сток: Z

  36. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D Пути (примеры): BEZ = {(BE), (EZ)} (длина2); вес W(BEZ) = 7 + 5 = 12 BCEZ = {(BC), (CE), (EZ)} (длина3); W(BCEZ) = 11+ 3 +5 = 19 Полный путь(длина4);: ADBEZ = ={(AD), (DB), (BE), (EZ)} W(ADBEZ) = 14+6+7 + 5 = 32

  37. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D Полные пути– пути из источника в сток (примеры): ADEZ: длина = 3; вес W(ADEZ) = 14+ 7 + 5 = 26; ABCFZ: длина = 4; вес W(ABCFZ) = 3+7+ 2 + 7 = 19

  38. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D ДАНО: Ориентированный ациклический граф с весами на ребрах G =< V, E, W; A, Z> ЗАДАЧА 1(задача Беллмана)Найти оптимальный полный путь, т.е. полный путь, имеющий минимальный (максимальный) возможный вес.

  39. Пример: предсказание 3D структуры белков(гемоглобин, код белка 1ash, цепь А)

  40. Дано: последовательность аминокислотНадо: где образуются спирали

  41. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D ДАНО: Ориентированный ациклический граф с весами на ребрах G =< V, E, W; A, Z> ЗАДАЧА 1(задача Беллмана)Найти оптимальный полный путь, т.е. полный путь, имеющий минимальный (максимальный) возможный вес. 44

  42. Метод динамического программирования(Алгоритм Беллмана, 1953) • Проход от стока к источнику: из W есть путь в V => => W обрабатывается позже, чем V. • Рекуррентное уравнение BestW(A) = min{ W(AB) + BestW(B), W(AC) + BestW(С), W(AD) + BestW(D) }

  43. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D BestW(B) = = min{ W(BC) + BestW(C), W(BD) + BestW(D), W(BE) + BestW(E), }

  44. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D BestW(B) = = min{ W(BC) + BestW(C), W(BD) + BestW(D), W(BE) + BestW(E), } Best Weight: 13 Best Path: ACEZ

  45. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D BestW(A) = = min{ W(AB) + BestW(B), W(AC) + BestW(C), W(AD) + BestW(D), } Для любой вершины T: BestW (T) =min{ W(T N1) + BestW(N1), ….., W(T Nt) + BestW(Nt), } где N1, ..., Nt– все наследники T

  46. 5 C 2 3 A 3 11 F 7 E 5 7 B 14 7 6 Z 6 D ВРЕМЯ РАБОТЫ ~ к-во РЕБЕР ПАМЯТЬ ~ к-во ВЕРШИН 49

  47. 1. Динамическое программирование, графы и алгебра 1.2. Алгебраическая основа алгоритма Беллмана

More Related